Компас график справочное руководство. Общие сведения. Расчет азимута по магнитному склонению

Что такое глубокое обучение (deep learning) ? March 3rd, 2016

Сейчас говорят о модных технологиях глубокого обучения, как будто это манна небесная. Но понимают ли говорящие, что это на самом деле? А ведь у этого понятия нет формального определения, и объединяет оно целый стек технологий. В этом посте я и хочу популярно, насколько это возможно, и по сути объяснить что стоит за этим термином, почему он так популярен и что дают нам эти технологий.

Если совсем коротко, то этот новомодный термин (deep learning) о том, как собрать из каких-то простых абстракции более сложную и глубокую абстракцию (репрезентацию) притом, что даже самые простые абстракции должен собирать сам компьютер, а не человек . Т.е. речь уже не просто об обучении, а о метаобучении. Образно говоря, компьютер самостоятельно должен научиться как лучше ему учиться. И, по сути, термин «глубокое» именно это и подразумевает. Практически всегда этот термин применяемся к искусственным нейронным сетям, где используется больше одного скрытого слоя, поэтому формально «глубокий» значит ещё и более глубокую архитектуру нейронной сети.

Вот на слайде в развитие хорошо видно, чем отличается глубокое обучение, от обычного. Повторюсь, уникальным для глубокого обучения является то, что машина сама находит признаки (ключевые черты чего-либо, по которым легче всего разделять один класс объектов от другого) и признаки эти структурирует иерархично: из более простых складываются более сложные . Ниже мы разберем это на примере.

Давайте посмотрим на примере задачи распознавания изображений: раньше как — запихивали в обычную нейронную сеть с одним слоем огромную (1024×768 — около 800 000 числовых значений) картинку и смотрели как компьютер медленно умирает, задыхаясь от нехватки памяти и неспособности понять, какие пиксели важны для распознавания, а какие нет. Не говоря уже об эффективности такого способа. Вот архитектура такой обычной (неглубой) нейронной сети.

Потом все же прислушались к тому, как выделяет признаки мозг, а делает он это строго иерархично, и тоже решили извлекать из картинок иерархичную структуру. Для этого необходимо было добавить больше скрытых слоев (слоев, которые находятся между входом и выходом; грубо говоря, этапов преобразования информации) в нейронную сеть. Хотя решили так делать практически сразу, как изобрели нейронки, но тогда успешно обучались сети только с одним скрытом слоем. Т.е. в принципе глубокие сети существуют примерно столько же, сколько обычные, просто мы не могли их обучить. Что же поменялось?

В 2006 году сразу несколько независимых исследователей решили эту проблему (к тому же аппаратные мощности развились уже достаточно, появились достаточно мощные видеокарты). Эти исследователи: Джеффри Хинтон (и его коллега Руслан Салахутидинов) с техникой предварительного обучения каждого слоя нейросети ограниченной машиной Больцмана (простите меня за эти термины...), Ян Лекун с сверточными нейронными сетями и Йошуая Бенджио с каскадными автокодировщиками. Первые два сразу же были рекрутированы Google и Facebook, соответственно. Вот две лекции: одна — Хинтона , другая — Лякуна , в которых они и рассказывают, что такое глубокое обучение. Лучше их об этом не расскажет никто. Ещё одна классная лекция Шмидхубера про развитие глубокого обучения, тоже одного из столпов этой науки. А у Хинтона ещё есть прекрасный курс на курсере по нейронкам.

На что способны глубокие нейронные сети сейчас? Они способны распознавать и описывать объекты, можно сказать «понимают» что это. Речь идет о распознавании смыслов.

Просто посмотрите это видео распознавания того, что видит камера, в реальном времени.

Как я уже сказал, технологии глубокого обучения — это целая группа технологий и решений. Несколько из них я уже перечислил абзацем выше, другой пример — это рекуррентные сети, которые как раз используются в видео выше для описания того, что видит сеть. Но самый популярный представитель технологий данного класса — это все-таки сверточные нейронные сети ЛяКуна. Они построены по аналогии с принципами работы зрительной коры мозга кошки, в которой были открыты так называемые простые клетки, реагирующие на прямые линии под разными углами, и сложные — реакция которых связана с активацией определенного набора простых клеток. Хотя, честно говоря, сам ЛяКун не ориентировался на биологию, он решал конкретную задачу (смотрите его лекции), а потом так совпало.

Если совсем просто, то сверточные сети — это такие сети, где основным структурным элементом обучения является группа (сочетание) нейронов (обычно квадрат 3×3,10×10 и т.д.), а не один. И на каждом уровне сети обучаются десятки таких групп. Сеть находит такие сочетания нейронов, которые максимизируют информацию об изображении. На первом уровне сеть извлекает самые базовые, структурно простые элементы картинки — можно сказать, строительные единицы: границы, штрихи, отрезки, контрасты. Повыше — уже устойчивые комбинации элементов первого уровня, и так далее вверх по цепочке. Хочу ещё раз отдельно подчеркнуть главную особенность глубокого обучения: сети сами формируют эти элементы и решают, какие из них более важный, а какие — нет. Это важно, так как в области машинного обучения, создание признаков — является ключевым и сейчас мы переходим на этап, когда компьютер сам учится создавать и отбирать признаки. Машина сама выделяет иерархию информативных признаков.

Итак, в процессе обучения (просмотра сотен картинок) сверточная сеть формирует иерархию признаков различного уровня глубины. Вот на первом уровне, они могут выделить, например, такие элементы (отражая контрастность, угол, границу и т.д.).


На втором уровне — это уже будет элемент из элементов первого уровня. На третьем — из второго. Надо понимать, что данная картинка — просто демонстрация. Сейчас в промышленной применение, такие сети имеют от 10 до 30 слоев (уровней).

После того, как такая сеть обучилась — мы можем её использовать для классификации. Подав на вход какое-то изображение, группы нейронов первого слоя пробегаются по изображению, активируясь в тех местах, где есть соответствующий конкретному элементу элемент картинки. Т.е. эта сеть разбирает картинку на части — сначала на черточки, штрихи, углы наклона, потом более сложные части и в конце она приходит к выводу, что картинка из такого рода комбинации базовых элементов — это лицо.

Подробнее про сверточные сети —

И частях, это руководство предназначено для всех, кто интересуется машинным обучением, но не знает, с чего начать. Содержание статей рассчитано на широкую аудиторию и будет достаточно поверхностным. Но разве это кого-то волнует? Чем больше людей заинтересуются машинным обучением, тем лучше.

Распознавание объектов с помощью глубокого обучения

Возможно, вы уже видели этот знаменитый комикс xkcd . Шутка в том, что любой 3-летний ребенок может распознать фотографию птицы, но заставить это сделать компьютер заняло у самых лучших компьютерных специалистов более 50 лет.В последние несколько лет мы наконец-то нашли хороший подход к распознаванию объектов с использованием глубоких сверточных нейронных сетей . Это звучит как куча выдуманных слов из фантастического романа Уильяма Гибсона, но все станет понятным, когда мы разберем их по очереди.Итак, давайте же сделаем это – напишем программу, распознающую птиц!

Начнем с простого

Прежде чем научиться распознавать изображения птиц, давайте узнаем, как распознать что-то гораздо более простое – рукописную цифру «8».

Приближается летняя пора, а это значит, отдых на природе, прогулки и походы в лес. Но, наслаждаясь природой, мы часто забываем об опасности . Чтобы избежать возможных неприятностей, необходимо уметь ориентироваться в природных условиях и находить правильный путь.

И лучший помощник в этом — знакомый всем компас. Есть, конечно, GPS-навигаторы, но время их работы ограничено зарядом батареи, а само устройство может сломаться от малейшего удара.

Обычный компас же — достаточно надежный прибор, который можно купить в любом спортивном магазине по цене от 100 рублей. Умея им пользоваться, вы всегда сможете определить, в каком направлении вам двигаться и не заблудитесь даже в незнакомом месте.

Подробная инструкция пользования компасом

Стрелки компаса

1.​ Поскольку стрелка компаса чувствительна к металлу, то никогда не пользуйтесь компасами, встроенными в металлические предметы (ножи, и т.п.). Даже иголка, поднесенная к компасу, заставляет его стрелку крутиться. Поэтому смотрите, чтобы рядом с компасом не было ничего металлического. Имейте в виду, что линии электропередач (ЛЭП) и железнодорожные пути тоже оказывают влияние на магнитную стрелку, поэтому от них надо отойти примерно на 40 метров.

2.​ При использовании, компас нужно положить на ровную поверхность (например, на ладонь) и не двигать. Исключение составляют специальные компасы, которыми можно пользоваться даже на бегу.

3.​ По периметру прибора вы можете видеть лимб — круговую шкалу с цифрами, которые означают угол от 0 до 360 градусов.

4.​ Теперь мы можем найти стороны света. Окрашенная стрелка компаса указывает, где находится Север. Чаще всего это красная стрелка, также она может иметь форму стрелы. Если одна стрелка синяя, а другая красная, то в таком случае синяя указывает на Север, а красная на Юг.

Север на компасе обозначается буквой N (от английского North) или С (от русского Север). Юг отмечен буквой S (от английского South) или Ю (от русского Юг). Запад — это буквы W или З, Восток — E или В.

Если вы встанете лицом на Север, то сзади будет Юг, слева Запад, справа Восток.

Иногда этого знания уже достаточно, чтоб не совершить одну из главных ошибок заблудившихся — идти в противоположную от выхода сторону.

Если вы вошли в лес, свернув с длинной прямой дороги, то достаточно запомнить, в каком направлении вы вошли и, при возвращении, придерживаться противоположного направления.

Например, вы вошли в лес, двигаясь на Север. Значит, для возвращения надо идти на Юг — и вы обязательно выйдете на свою дорогу.

Но обычно нам приходится идти не точно на Север или, скажем, точно на Запад, а в совершенно разных направлениях. И здесь нам очень пригодится понятие «Азимут».

Что такое Азимут

Из точки, где вы стоите, проведите мысленно линию, указывающую на Север. Затем из той же точки проведите линию, по которой вы идете вперед. Угол между этими линиями и есть Азимут.

1.​ Для определения Азимута, по которому вы идете, поверните компас таким образом, чтоб его северная стрелка указывала на обозначение Севера (то есть на нулевую отметку на шкале или букву N или С).

Из центра компаса мысленно проведите линию, по которой вы двигаетесь. Эта линия вместе с северной стрелкой образуют угол. Этот угол и есть Азимут. Отсчитывать его величину надо от северной стрелки (от нулевой отметки) по ходу движения часовой стрелки.

Можно просто посмотреть на шкале компаса число, которое пересекла ваша воображаемая линия. Оно показывает величину Азимута.

2.​ Если вам требуется идти по определенному Азимуту, то расположите компас таким образом, чтоб его северная стрелка указывала на обозначение Севера (нулевая отметка на шкале или буква N).

Затем отмерьте на шкале нужный угол (Азимут), считая по часовой стрелке от нулевой отметки (буквы N), или просто найдите нужную цифру на шкале. Далее проведите мысленную линию из центра компаса к этой цифре на шкале и идите по этому направлению.

3.​ Азимут, по которому вы идете вперед — это прямой Азимут. Для возвращения обратно вам нужно идти в противоположном направлении, то есть по обратному Азимуту, который рассчитывается следующим образом:

если прямой Азимут менее 180º, то
ОА=ПА+180º
если прямой азимут более 180º, то
ОА=ПА-180º
Где ОА — это обратный Азимут, ПА — это прямой Азимут.

Например, вы шли вперед по Азимуту 240º. Это прямой Азимут. Для возвращения обратно вам надо идти по обратному Азимуту, который равен 240º -180º =60º.

4.​ Однако постоянно делать такие расчеты довольно неудобно. Есть более простой способ найти обратный Азимут.

Для этого при возвращении обратно, нужно идти по тому же Азимуту, по которому вы шли вперед, только теперь рассматривать южную стрелку в качестве северной.

То есть, если вы шли вперед по Азимуту 270º, то возвращаетесь обратно тоже по Азимуту 270º, только при этом обращаетесь с южной стрелой так, как будто она северная.

Пример. Вы вошли в лес, двигаясь по Азимуту 270º.

• Для выхода из леса установите компас таким образом, чтоб его южная (а не северная!) стрелка указывала на обозначение Севера (то есть на нулевую отметку на шкале или букву N).
• Теперь мысленно отмерьте от нулевой отметки на шкале угол 270º (по часовой стрелке) или просто найдите цифру 270 на шкале.
• Потом нарисуйте мысленно линию из центра компаса к этой цифре (270 градусов). Это и есть направление, по которому вам надо возвращаться обратно.

5.​ Прием, когда мы запоминаем только Азимут входа, а для выхода идем по обратному Азимуту, работает, если где-нибудь недалеко есть довольно длинный прямой ориентир (дорога, река, линии электропередач и т.п.). В таком случае, вам достаточно знать только Азимут входа. Далее вы можете бродить в любых направлениях, не запоминая их, так как потом, двигаясь по обратному Азимуту, вы обязательно выйдете на свой ориентир, только с некоторым смещением.

Поэтому очень полезно перед вылазкой на природу хотя бы мельком глянуть на карту и запомнить такие ориентиры, на которые впоследствии можно выйти.

6.​ Если длинных прямых ориентиров поблизости нет, то при движении необходимо фиксировать расстояние, пройденное в каждом направлении. То есть запоминать или записывать каждый Азимут и расстояние, которое вы прошли по нему. Для возвращения в исходную точку надо будет проделать тот же путь, только в обратном порядке.

Например, вы шли сначала 50 метров по Азимуту 80º, потом 100 метров по Азимуту 300º . Для возвращения в исходную точку вам надо будет идти 100 метров по обратному Азимуту 120º (300º -180º=120º), а потом 50 метров по обратному Азимуту 100º (180º -80º =100º). Или же просто поверните компас так, чтоб его южная стрелка указывала на обозначение Севера (то есть на нулевую отметку или букву N), отмерьте от нулевой отметки угол 300о и пройдите 100 метров в данном направлении. Потом отмерьте от нулевой отметки угол 80º и пройдите 50 метров в данном направлении.

Расстояние можно мерить, считая шаги

Правда, при сборе ягод и грибов довольно затруднительно отмерять и рассчитывать расстояние, пройденное после каждого поворота. В таких случаях можно запоминать (а лучше записывать в блокнотик) сколько шагов и в каком направлении вы прошли от одной полянки до другой.

Дойдя до понравившегося места, нужно положить на землю какой-нибудь заметный предмет (например, яркий пакет), обозначить рядом с ним направление, в котором вы шли (например, палкой), и собирать ягоды/грибы, держа этот предмет в поле зрения. При желании двигаться дальше возвращаемся к этому предмету, отмеряем и записываем новый Азимут движения и идем дальше, отмеряя расстояние.

7.​ Очень полезно потренироваться поработать с Азимутами дома. Походите из комнаты в комнату, записывая Азимут и пройденное расстояние (в шагах). Потом попробуйте пройти весь путь обратно, ориентируясь только на свои записи и определяя обратный Азимут.
Тогда вы легко поймете смысл прямого Азимута, обратного Азимута и увидите, как это работает.

Расчет азимута по магнитному склонению

Есть еще несколько важных моментов.

1. На всех картах подразумевается, что Север находится прямо вверху. Это географический Север, место, где сходятся меридианы.
Но ввиду особенностей магнитного поля Земли магнитная стрелка направлена не на географический, а на магнитный Север. Он слегка отклонен от географического. Величина этого отклонения называется магнитным склонением.

Если стрелка отклонена от географического Севера на восток (то есть вправо), то склонение является восточным (положительным), если стрелка отклонена на запад (то есть влево), то склонение западное (отрицательное).

В каждом регионе свое магнитное склонение. В районе Москвы оно положительное (восточное) и равняется примерно +11º, в районе Санкт-Петербурга — примерно +10º, а в Иркутске оно отрицательное (западное) и составляет примерно -3º. Существуют специальные карты и сайты в Интернете, где вы можете узнать магнитное склонение в вашем регионе.

2. Азимут, рассчитанный исходя из географического севера (по карте) – это истинный Азимут. Азимут, рассчитанный от магнитного севера (по компасу) — это магнитный Азимут.

Когда вы пользуетесь компасом вместе с картой, учитывайте этот момент и соответствующим образом корректируйте свое движение.

Например, вы планируете идти в соответствии с вашей картой по истинному Азимуту 30º. Магнитное склонение в вашем регионе положительное +10º. Значит, ориентируясь на компас, вам нужно будет идти по магнитному Азимуту 20º (30º -10º =20º).

Таким образом, немного потренировавшись и научившись пользоваться компасом, вы сможете ходить в походах сколь угодно далеко, и будете чувствовать себя уверенно на любой местности, так как всегда сможете найти дорогу обратно.